11. Caso de Uso MVP
Objetivo del MVP
Desarrollar un prototipo funcional que permita validar la viabilidad técnica y operativa de un sistema de control de accesos mediante reconocimiento facial y lectura de placas en un entorno controlado del campus.
Problema que se busca validar
- ¿Es posible identificar correctamente personas mediante reconocimiento facial en condiciones reales?
- ¿Es viable registrar accesos de forma automatizada y confiable?
- ¿Se puede integrar el procesamiento en borde con un backend central?
- ¿La lectura de placas es suficientemente precisa en el entorno del campus?
Alcance del MVP
Incluye
- Un punto de acceso peatonal instrumentado
- (Opcional) Un punto de acceso vehicular instrumentado
- Captura de imágenes mediante cámara
- Procesamiento en Raspberry + AI HAT
- Generación de embeddings faciales
- Comparación contra base de datos
- Registro de eventos en backend central
- Consulta básica de eventos
No incluye
- Cobertura total del campus
- Integración con sistemas institucionales
- Alta disponibilidad o redundancia
- Analítica avanzada
- Automatización completa de control físico (plumas, torniquetes)
Actores involucrados
| Actor | Rol |
|---|---|
| Usuario registrado | Persona que intenta ingresar |
| Personal de seguridad | Supervisa accesos |
| Administrador del sistema | Gestiona usuarios y consulta eventos |
| Sistema de reconocimiento | Valida identidad |
| Backend central | Aplica reglas y registra eventos |
Escenario principal (facial)
Flujo
- Usuario se posiciona frente a la cámara
- Cámara captura imagen
- Raspberry detecta rostro
- Se genera embedding facial
- Se compara contra base vectorial
- Se obtiene coincidencia y score
- Se envía resultado al backend
- Backend valida autorización
- Se registra evento
- Se determina acceso permitido o denegado
Escenario principal (vehicular)
Flujo
- Vehículo se aproxima al acceso
- Cámara captura imagen de la placa
- Raspberry procesa imagen
- Se extrae texto de placa (OCR)
- Se envía placa al backend
- Backend valida autorización
- Se registra evento
- Se determina acceso permitido o denegado
Escenarios alternos
No reconocimiento facial
- No se encuentra coincidencia válida
- Se registra evento como no autorizado
- Se activa intervención manual
Lectura de placa fallida
- OCR no detecta placa correctamente
- Se registra evento como indeterminado
- Se requiere validación manual
Fallo de conexión
- Nodo edge almacena temporalmente eventos
- Se reintenta envío posterior
Qué se busca demostrar
- Que el reconocimiento facial funciona en condiciones controladas
- Que el flujo end-to-end (captura → validación → registro) es viable
- Que la arquitectura edge + backend es funcional
- Que la latencia es aceptable
- Que los datos pueden ser registrados y consultados
Métricas iniciales de evaluación
- Tiempo de respuesta por validación
- Porcentaje de reconocimiento correcto
- Tasa de falsos positivos/negativos
- Tasa de lectura correcta de placas
- Disponibilidad del sistema
- Número de eventos registrados correctamente
Restricciones del MVP
- Infraestructura limitada
- Dataset pequeño de usuarios
- Condiciones controladas (no todos los escenarios reales)
- Sin integración con control físico automático
Supuestos
- Existirá un conjunto inicial de usuarios registrados
- Se contará con un punto físico de prueba
- Habrá conectividad entre nodo edge y backend
- Las condiciones de iluminación serán razonables
Criterios de éxito
- El sistema identifica correctamente a usuarios registrados en la mayoría de los casos
- Los eventos de acceso se registran correctamente
- Se puede consultar la información generada
- El sistema funciona de manera estable en pruebas controladas
Resultados esperados
- Validación técnica del enfoque
- Identificación de limitaciones reales
- Base para escalamiento del sistema